█ 腦科學(xué)動(dòng)態(tài)

麻醉并非深度睡眠：大腦狀態(tài)更接近睡眠與昏迷的混合體

缺氧也能抗衰老：HIF-1α自噬降解可延緩衰老并延長(zhǎng)哺乳動(dòng)物壽命

大腦免疫細(xì)胞與特定神經(jīng)元互動(dòng)加速恐懼記憶消退

創(chuàng)傷發(fā)生時(shí)間而非其類型決定其長(zhǎng)期影響

利用實(shí)時(shí)腦信號(hào)預(yù)測(cè)和預(yù)防兒童注意力不集中

抑郁癥削弱的是期待，而非品嘗美食的快樂

繁重照護(hù)任務(wù)加速老年人認(rèn)知衰退，適度照護(hù)則有益腦功能

█ AI行業(yè)動(dòng)態(tài)

愛思唯爾起訴Meta盜版論文訓(xùn)練Llama

編程AI“終極考試”首破零：GPT-5.5從零盲寫程序，推理算力成新關(guān)鍵

█ AI驅(qū)動(dòng)科學(xué)

Cell：開發(fā)AI虛擬細(xì)胞模型RegVelo以預(yù)測(cè)細(xì)胞命運(yùn)走向

AI語言模型在處理醫(yī)院結(jié)構(gòu)化數(shù)據(jù)方面表現(xiàn)不佳

七款智能戒指有望打破手語溝通障礙

開發(fā)內(nèi)置計(jì)算智能光學(xué)傳感器大幅降低數(shù)據(jù)傳輸需求

信號(hào)折疊設(shè)計(jì)助力神經(jīng)形態(tài)芯片大幅降低AI能耗

給模型配個(gè)專屬教練：強(qiáng)化學(xué)習(xí)加速仿生機(jī)器人運(yùn)動(dòng)模擬

設(shè)計(jì)阻礙減少人工智能的隱藏能耗

像素級(jí)控制熱輻射：卡內(nèi)基梅隆大學(xué)開發(fā)微型熱敏條形碼

超六成美國(guó)青少年使用AI聊天機(jī)器人，近半數(shù)遭遇不良交互風(fēng)險(xiǎn)

觸覺夢(mèng)境技術(shù)賦能人形機(jī)器人，靈巧操作成功率提升90.9%

腦科學(xué)動(dòng)態(tài)

麻醉并非深度睡眠：大腦狀態(tài)更接近睡眠與昏迷的混合體

全身麻醉究竟是讓大腦“沉睡”還是進(jìn)入“昏迷”？耶魯大學(xué)醫(yī)學(xué)院的Janna Helfrich及其團(tuán)隊(duì)通過研究發(fā)現(xiàn)，麻醉狀態(tài)比人們想象的更為復(fù)雜，它并非簡(jiǎn)單的深度睡眠，而是同時(shí)兼具睡眠和昏迷特征的獨(dú)特混合狀態(tài)。這一發(fā)現(xiàn)可能改變未來麻醉的臨床實(shí)踐。

研究團(tuán)隊(duì)使用全腦腦電圖監(jiān)測(cè)了使用常用麻醉劑丙泊酚（propofol）的患者，并將其大腦活動(dòng)與深度睡眠、快速眼動(dòng)睡眠、昏迷及清醒狀態(tài)下的數(shù)據(jù)進(jìn)行對(duì)比。分析結(jié)果顛覆了“麻醉即睡眠”的傳統(tǒng)觀念。研究顯示，麻醉下的大腦在不同區(qū)域會(huì)呈現(xiàn)出不同的活動(dòng)模式，某些特征類似于睡眠，而另一些則更接近昏迷。此外，團(tuán)隊(duì)還識(shí)別出了麻醉所獨(dú)有的神經(jīng)信號(hào)，這些信號(hào)在其他任何意識(shí)狀態(tài)下都未曾出現(xiàn)。這一發(fā)現(xiàn)強(qiáng)調(diào)了在手術(shù)中進(jìn)行腦部監(jiān)測(cè)的必要性，通過精細(xì)調(diào)控麻醉劑量，臨床醫(yī)生或可引導(dǎo)患者大腦進(jìn)入更接近有益的睡眠狀態(tài)，而非可能導(dǎo)致術(shù)后認(rèn)知功能下降的“類昏迷”狀態(tài)，從而提升手術(shù)安全性與患者的恢復(fù)質(zhì)量。研究發(fā)表在 PNAS 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #麻醉 #意識(shí) #腦電圖

閱讀更多：

Helfrich, Janna D., et al. “Spectral Mapping Reveals a Resemblance of the Anesthetic Brain State to Both Sleep and Coma.” Proceedings of the National Academy of Sciences, vol. 123, no. 21, May 2026, p. e2514098123. www.pnas.org, https://doi.org/10.1073/pnas.2514098123

缺氧也能抗衰老：HIF-1α自噬降解可延緩衰老并延長(zhǎng)哺乳動(dòng)物壽命

不同器官衰老速度各異，其背后的保護(hù)機(jī)制尚不明確。海軍軍醫(yī)大學(xué)第二附屬醫(yī)院的陳華江、胡博、田野、吳曉東及空軍軍醫(yī)大學(xué)西京醫(yī)院的高博等人，從衰老緩慢的椎間盤組織中發(fā)現(xiàn)一種獨(dú)特的抗衰老機(jī)制，并基于此開發(fā)出一種能靶向降解關(guān)鍵蛋白的小分子化合物，成功延長(zhǎng)了小鼠的健康壽命。

研究團(tuán)隊(duì)首先通過跨組織比較發(fā)現(xiàn)，椎間盤的衰老速度顯著慢于其他組織。深入探究后，他們揭示了其背后的獨(dú)特機(jī)制：椎間盤髓核細(xì)胞處于持續(xù)的缺氧微環(huán)境中，但與傳統(tǒng)認(rèn)知不同，這種缺氧并未導(dǎo)致缺氧誘導(dǎo)因子-1α（hypoxia-inducible factor-1α, HIF-1α）的積累，反而通過一種由Optineurin蛋白介導(dǎo)的選擇性自噬將其降解，從而避免了細(xì)胞應(yīng)激和衰老。基于這一發(fā)現(xiàn)，團(tuán)隊(duì)設(shè)計(jì)并合成了一種小分子化合物HATC（HIF-1α-targeting autophagy-tethering compound），它能巧妙地“劫持”細(xì)胞的自噬系統(tǒng)，在全身各組織中靶向降解HIF-1α。在老年小鼠中進(jìn)行的實(shí)驗(yàn)證實(shí)，每周注射HATC能廣泛降低多個(gè)器官中的HIF-1α水平，改善多種與年齡相關(guān)的病理狀況，最終使小鼠的中位壽命和最大壽命分別顯著延長(zhǎng)了約14%和12%。研究發(fā)表在 Nature Aging 上。

#疾病與健康 #健康管理與壽命延長(zhǎng) #衰老 #自噬 #HIF-1α

閱讀更多：

Yang, Chen, et al. “Hypoxia-Induced Autophagic Degradation of HIF-1α Attenuates Cellular Aging and Extends Mammalian Lifespan.” Nature Aging, May 2026, pp. 1–21. www.nature.com, https://doi.org/10.1038/s43587-026-01124-z

大腦免疫細(xì)胞與特定神經(jīng)元互動(dòng)加速恐懼記憶消退

為何有些創(chuàng)傷性記憶難以忘懷？這可能與大腦中免疫細(xì)胞的工作效率有關(guān)。加拿大兒童醫(yī)院和多倫多大學(xué)的Paul W. Frankland及其同事通過研究發(fā)現(xiàn)，恐懼記憶的消退并非僅由神經(jīng)元主導(dǎo)，大腦中的免疫細(xì)胞——小膠質(zhì)細(xì)胞，通過與儲(chǔ)存記憶的特定神經(jīng)元直接互動(dòng)，在“擦除”恐懼過程中扮演了關(guān)鍵角色。

? 圖像展示了小膠質(zhì)細(xì)胞和記憶儲(chǔ)存細(xì)胞之間的相互作用。圖中，藍(lán)色細(xì)胞代表小膠質(zhì)細(xì)胞，紫色細(xì)胞代表記憶儲(chǔ)存細(xì)胞。圖像突顯了這兩種細(xì)胞之間的直接接觸。Credit: Captured in the Frankland Lab and reconstructed using Imaris software.

研究團(tuán)隊(duì)首先在小鼠模型中標(biāo)記了儲(chǔ)存特定恐懼記憶的神經(jīng)元，即記憶痕跡。在隨后的恐懼消退訓(xùn)練中，他們觀察到小膠質(zhì)細(xì)胞會(huì)被主動(dòng)招募到這些記憶痕跡神經(jīng)元的周圍，并與之發(fā)生直接的物理接觸。進(jìn)一步的超微結(jié)構(gòu)成像和功能實(shí)驗(yàn)揭示，這種互動(dòng)能夠暫時(shí)性地“沉默”恐懼記憶痕跡神經(jīng)元的活動(dòng)。為了驗(yàn)證這一互動(dòng)的重要性，研究人員利用遺傳學(xué)和藥理學(xué)方法阻止小膠質(zhì)細(xì)胞與記憶痕跡神經(jīng)元接觸，結(jié)果發(fā)現(xiàn)，小鼠的恐懼記憶消退速度顯著減慢。這表明小膠質(zhì)細(xì)胞通過直接調(diào)節(jié)記憶回路，積極地參與并加速了恐懼記憶的減弱過程。這一發(fā)現(xiàn)顛覆了恐懼消退完全是神經(jīng)元過程的傳統(tǒng)認(rèn)知，為理解和治療創(chuàng)傷后應(yīng)激障礙等與恐懼記憶相關(guān)的精神疾病開辟了新思路。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #心理健康與精神疾病 #恐懼記憶 #小膠質(zhì)細(xì)胞

閱讀更多：

Liu, Yunlong, et al. “Microglia-Dependent Regulation of Fear Memory Extinction.” Nature Neuroscience, May 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-026-02286-0

創(chuàng)傷發(fā)生時(shí)間而非其類型決定其長(zhǎng)期影響

為何相似的創(chuàng)傷經(jīng)歷會(huì)導(dǎo)致迥異的心理后果？意大利理工學(xué)院的Laura Cancedda、Valter Tucci及其合作團(tuán)隊(duì)發(fā)現(xiàn)，創(chuàng)傷發(fā)生的時(shí)間點(diǎn)，而非創(chuàng)傷本身的類型，是決定其對(duì)大腦和行為產(chǎn)生何種持久影響的關(guān)鍵。這項(xiàng)發(fā)現(xiàn)為開發(fā)基于創(chuàng)傷發(fā)生年齡的個(gè)性化精神疾病療法開辟了新道路。

? Credit: Cell Reports Medicine (2026).

研究團(tuán)隊(duì)通過在小鼠的不同發(fā)育階段（幼兒期、童年、青春期和青年期）施加應(yīng)激，發(fā)現(xiàn)創(chuàng)傷的后果與“關(guān)鍵窗口期”緊密相關(guān)。例如，童年期創(chuàng)傷顯著損害了成年后的社交能力，而青春期創(chuàng)傷則主要導(dǎo)致攻擊性和支配行為的增加，但焦慮癥狀在所有受創(chuàng)傷組中普遍存在。進(jìn)一步的蛋白質(zhì)組學(xué)分析揭示了創(chuàng)傷如何在大腦中留下持久的“分子傷疤”。生命早期的創(chuàng)傷主要重塑了杏仁核、海馬體等大腦深層結(jié)構(gòu)，而青春期及以后的創(chuàng)傷則更多地影響了負(fù)責(zé)高級(jí)認(rèn)知功能的前額葉皮層。更重要的是，研究人員鎖定了一個(gè)名為腦源性神經(jīng)營(yíng)養(yǎng)因子（Brain-Derived Neurotrophic Factor, BDNF）的關(guān)鍵通路，它在大腦可塑性中扮演重要角色，調(diào)控該通路或可成為干預(yù)青年期創(chuàng)傷后遺癥的潛在治療靶點(diǎn)。研究發(fā)表在 Cell Reports Medicine 上。

#疾病與健康 #心理健康與精神疾病 #創(chuàng)傷 #大腦發(fā)育 #關(guān)鍵期

閱讀更多：

Morelli, Giovanni, et al. “Traumatic Life Experiences during Critical Periods Lead to Diverse Developmental Trajectories.” Cell Reports Medicine, May 2026, p. 102798. ScienceDirect, https://doi.org/10.1016/j.xcrm.2026.102798

利用實(shí)時(shí)腦信號(hào)預(yù)測(cè)和預(yù)防兒童注意力不集中

注意力不集中，尤其在多動(dòng)癥（ADHD）兒童中，影響深遠(yuǎn)且現(xiàn)有療法有限。多倫多病童醫(yī)院的George M. Ibrahim和Nebras M. Warsi等研究人員首次在人體中發(fā)現(xiàn)一種可預(yù)測(cè)注意力分散的腦信號(hào)，并通過實(shí)時(shí)精準(zhǔn)的神經(jīng)刺激成功恢復(fù)了兒童的專注力，為注意力障礙的治療開辟了全新方向。

研究首先對(duì)30名癲癇患兒進(jìn)行了顱內(nèi)記錄，并利用機(jī)器學(xué)習(xí)模型成功識(shí)別出一種能夠在注意力分散發(fā)生前出現(xiàn)的特定腦電信號(hào)。基于這一發(fā)現(xiàn)，團(tuán)隊(duì)設(shè)計(jì)了一套閉環(huán)干預(yù)系統(tǒng)：一旦系統(tǒng)檢測(cè)到預(yù)示注意力即將分散的信號(hào)，便會(huì)立即施加一次短暫且精準(zhǔn)的電刺激。結(jié)果顯示，這種時(shí)機(jī)恰到好處的干預(yù)能有效“挽救”兒童的注意力，使其在任務(wù)中的反應(yīng)速度和準(zhǔn)確性均得到提升。為了探索該方法的普適性，研究團(tuán)隊(duì)進(jìn)一步在正常發(fā)育兒童和ADHD患兒中采用非侵入性技術(shù)進(jìn)行驗(yàn)證。他們通過腦磁圖確認(rèn)了該信號(hào)的存在，并利用經(jīng)顱磁刺激-腦電圖（TMS-EEG）對(duì)目標(biāo)腦區(qū)施加單脈沖刺激，同樣觀察到了注意力的顯著改善。這項(xiàng)研究表明，開發(fā)能夠?qū)崟r(shí)監(jiān)控并調(diào)控注意力的非侵入性工具具有巨大潛力。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)調(diào)控 #注意力 #兒童健康 #閉環(huán)神經(jīng)調(diào)控

閱讀更多：

Warsi, Nebras M., et al. “Closed-Loop Stimulation Modulates Attention Shifting in Children.” Nature Neuroscience, May 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-026-02294-0

抑郁癥削弱的是期待，而非品嘗美食的快樂

快感缺失作為抑郁癥的核心癥狀，究竟是如何影響患者對(duì)愉悅活動(dòng)的感受的？由Nils B. Kroemer和Corinna Schulz等（波恩大學(xué)醫(yī)院、圖賓根大學(xué)醫(yī)院等）領(lǐng)導(dǎo)的研究團(tuán)隊(duì)發(fā)現(xiàn)，抑郁癥主要損害的是對(duì)獎(jiǎng)賞的預(yù)期和動(dòng)機(jī)過程，而非實(shí)際體驗(yàn)快樂的能力，這一發(fā)現(xiàn)為抑郁癥的治療提供了新視角。

研究團(tuán)隊(duì)對(duì)52名抑郁癥患者和51名健康參與者進(jìn)行了一項(xiàng)精巧的味覺測(cè)試。參與者需要對(duì)不同食物在看到、聞到和品嘗等不同階段的渴望度（wanting，即追求獎(jiǎng)勵(lì)的動(dòng)力）和喜愛度（liking，即體驗(yàn)獎(jiǎng)勵(lì)的愉悅感）進(jìn)行評(píng)分。結(jié)果顯示，在僅僅看到食物的預(yù)期階段，抑郁癥患者的渴望度顯著低于健康人。然而，一旦食物擺在面前，甚至在品嘗之前，他們的渴望度就會(huì)回升，并且在實(shí)際品嘗時(shí)，其感受到的愉悅感與健康人沒有差別。研究還發(fā)現(xiàn)，快感缺失癥狀越嚴(yán)重，其在預(yù)期階段的渴望度就越低。此外，研究揭示了身心關(guān)聯(lián)的一個(gè)重要線索：較低的胰島素敏感性（insulin sensitivity，身體有效處理血糖的能力）與更嚴(yán)重的快感缺失癥狀相關(guān)，暗示代謝功能障礙可能在抑郁癥的動(dòng)機(jī)缺陷中扮演了重要角色。研究發(fā)表在 Cell Reports Medicine 上。

#疾病與健康 #心理健康與精神疾病 #抑郁癥 #快感缺失 #獎(jiǎng)賞機(jī)制

閱讀更多：

Schulz, Corinna, et al. “Blunted Anticipation, but Not Consummation, of Food Rewards in Depression.” Cell Reports Medicine, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.xcrm.2026.102796

繁重照護(hù)任務(wù)加速老年人認(rèn)知衰退，適度照護(hù)則有益腦功能

晚年承擔(dān)照護(hù)責(zé)任對(duì)認(rèn)知功能有何影響？Baowen Xue及團(tuán)隊(duì)（倫敦大學(xué)學(xué)院）發(fā)現(xiàn)，繁重的照護(hù)任務(wù)會(huì)加速老年人的認(rèn)知能力下降，而適度的照護(hù)責(zé)任反而能有效延緩腦功能衰退，抵消部分正常衰老帶來的影響。

為了探究照護(hù)特征如何影響認(rèn)知軌跡，研究團(tuán)隊(duì)分析了英國(guó)老齡化縱向研究中多年的跟蹤數(shù)據(jù)。他們運(yùn)用傾向得分匹配（Propensity Score Matching，一種通過模擬隨機(jī)分配來減少樣本選擇偏差的統(tǒng)計(jì)方法）將2765名50歲以上的照護(hù)者與同等數(shù)量的非照護(hù)者進(jìn)行了精確配對(duì)。研究采用分段生長(zhǎng)曲線模型追蹤了參與者在承擔(dān)照護(hù)責(zé)任前后的執(zhí)行功能和記憶力變化。結(jié)果顯示，承擔(dān)高強(qiáng)度照護(hù)（每周超過50小時(shí)）、在家中提供照護(hù)或照顧配偶的人群，其大腦功能下降速度顯著快于非照護(hù)群體，額外增加了約三分之一的認(rèn)知衰退。相反，從事低強(qiáng)度照護(hù)（每周5至9小時(shí)）、在家庭之外或照顧父母的人，其執(zhí)行功能下降更為緩慢，可抵消約三分之一的年度腦功能衰退。此外，記憶力的變化呈現(xiàn)相似但較弱的趨勢(shì)，且這些影響并不受個(gè)體性別或經(jīng)濟(jì)狀況的干擾。這項(xiàng)研究突顯了為重度照護(hù)者提供替代護(hù)理支持以防止認(rèn)知過早衰退的迫切性。研究發(fā)表在 Age and Ageing 上。

#疾病與健康 #健康管理與壽命延長(zhǎng) #認(rèn)知功能 #老年人 #家庭照護(hù)

閱讀更多：

Xue, Baowen, et al. “Association between Becoming a Carer in Later Life and Changes in the Trajectory of Cognitive Function: Results from the English Longitudinal Study of Ageing.” Age and Ageing, vol. 55, no. 5, May 2026, p. afag132. Silverchair, https://doi.org/10.1093/ageing/afag132

AI 行業(yè)動(dòng)態(tài)

愛思唯爾起訴Meta盜版論文訓(xùn)練Llama

人工智能版權(quán)爭(zhēng)議迎來標(biāo)志性升級(jí)。全球頂尖學(xué)術(shù)出版巨頭愛思唯爾（Elsevier），旗下?lián)碛小读~刀》《細(xì)胞》等核心期刊，近日聯(lián)合法國(guó)阿歇特出版集團(tuán)、英國(guó)麥克米倫出版集團(tuán)及作家Scott Turow，在美國(guó)紐約南區(qū)法院對(duì)Meta及其CEO扎克伯格提起集體訴訟。這是主流學(xué)術(shù)出版商首次針對(duì)AI企業(yè)的版權(quán)維權(quán)行動(dòng)。訴狀指控，Meta在訓(xùn)練其大語言模型Llama時(shí)，非法爬取、復(fù)制了受版權(quán)保護(hù)的科研論文和出版物。美國(guó)出版商協(xié)會(huì)在聲明中強(qiáng)調(diào)，Meta的行為是“明目張膽的侵權(quán)”，此次訴訟旨在還原事實(shí)。

原告方指出，Meta的訓(xùn)練數(shù)據(jù)主要來自兩大“問題來源”。其一，通用爬蟲數(shù)據(jù)集Common Crawl，其中很可能混入了未經(jīng)授權(quán)的付費(fèi)期刊摘要和全文。其二，著名的盜版學(xué)術(shù)平臺(tái)LibGen（全球最大的盜版電子書和論文數(shù)據(jù)庫）和Sci-Hub（提供繞過付費(fèi)墻獲取數(shù)百萬篇學(xué)術(shù)論文的網(wǎng)站）。控方大量證據(jù)源自此前作家訴Meta案（Kadrey v. Meta）中披露的內(nèi)部員工郵件。面對(duì)指控，Meta發(fā)言人表示將積極應(yīng)訴，并計(jì)劃援引“合理使用”（Fair Use，美國(guó)版權(quán)法中允許在特定條件下無需授權(quán)使用版權(quán)內(nèi)容的豁免條款）原則進(jìn)行抗辯，稱已有判例支持使用版權(quán)內(nèi)容訓(xùn)練AI。值得注意的是，美國(guó)法院去年曾首次裁定Anthropic公司使用合法購買的書籍訓(xùn)練AI屬于“轉(zhuǎn)化性使用”，但這起涉及盜版數(shù)據(jù)源的訴訟結(jié)果仍存巨大懸念。

#愛思唯爾訴Meta #AI版權(quán) #盜版學(xué)術(shù)數(shù)據(jù)庫 #合理使用抗辯 #Llama訓(xùn)練數(shù)據(jù)

閱讀更多：

https://www.nature.com/articles/d41586-026-01481-0

編程AI“終極考試”首破零：GPT-5.5從零盲寫程序，推理算力成新關(guān)鍵

一項(xiàng)被稱為“地獄級(jí)”的編程基準(zhǔn)近日被AI首次攻克。由Meta、斯坦福大學(xué)和哈佛大學(xué)聯(lián)合推出的全新編程測(cè)試“程序基準(zhǔn)測(cè)試（ProgramBench，要求模型僅根據(jù)編譯好的可執(zhí)行文件和文檔，從零重建整個(gè)程序，禁止反編譯或聯(lián)網(wǎng)）”，此前所有前沿AI模型的通過率均為0%。如今，GPT-5.5成為了首個(gè)破例者。研究人員發(fā)現(xiàn)，GPT-5.5在默認(rèn)推理模式下表現(xiàn)平平，但切換到高推理模式（high和xhigh）后性能飛躍，成功解出了經(jīng)典終端程序“矩陣數(shù)字雨（cmatrix，一種模仿《黑客帝國(guó)》數(shù)字雨效果的屏幕保護(hù)程序）”。其中，高推理模式用C語言實(shí)現(xiàn)，而超高推理模式則用Python完成了同一任務(wù)，兩者均通過了全部行為測(cè)試。這一突破標(biāo)志著編程評(píng)估從“修修補(bǔ)補(bǔ)”轉(zhuǎn)向了真正的“從零創(chuàng)造”。

此次突破揭示了“推理算力”正成為編程AI能力的核心變量。在200道題目中，目前僅有這一道被解出，但GPT-5.5超高推理模式還創(chuàng)下了26個(gè)任務(wù)通過95%以上單元測(cè)試的新紀(jì)錄，在所有關(guān)鍵指標(biāo)上全面碾壓其他模型。相比之下，Claude Opus 4.7超高推理模式花費(fèi)了10倍以上的成本和調(diào)用次數(shù)，卻因顏色解析大小寫敏感和退出碼錯(cuò)誤兩個(gè)簡(jiǎn)單漏洞而失敗。分析指出，智能不再是一個(gè)固定值，而愈發(fā)表現(xiàn)為算力的函數(shù)。隨著傳統(tǒng)測(cè)試基準(zhǔn)逐漸失效，ProgramBench的出現(xiàn)為衡量AI的工程化編程能力設(shè)立了更高門檻，而通往超級(jí)人工智能的路徑或許無需等待下一代架構(gòu)革命，推理算力的持續(xù)擴(kuò)展就可能帶來指數(shù)級(jí)的能力爆發(fā)。

#GPT-5.5 #編程基準(zhǔn) #推理算力 #從零重建 #ProgramBench

閱讀更多：

https://programbench.com/blog/gpt-5-5-first-solve/

AI 驅(qū)動(dòng)科學(xué)

Cell：開發(fā)AI虛擬細(xì)胞模型RegVelo以預(yù)測(cè)細(xì)胞命運(yùn)走向

如何將底層基因調(diào)控機(jī)制與細(xì)胞動(dòng)態(tài)特性結(jié)合以精準(zhǔn)預(yù)測(cè)細(xì)胞命運(yùn)的復(fù)雜演變，是發(fā)育生物學(xué)面臨的核心挑戰(zhàn)。慕尼黑亥姆霍茲中心 Fabian J. Theis 團(tuán)隊(duì)與牛津大學(xué)、Stowers醫(yī)學(xué)研究所 Tatjana Sauka-Spengler 團(tuán)隊(duì)合作開發(fā)了名為RegVelo的端到端人工智能生成式框架。該研究成功在計(jì)算機(jī)上構(gòu)建了高還原度的虛擬細(xì)胞模型，首次實(shí)現(xiàn)了基因調(diào)控網(wǎng)絡(luò)與細(xì)胞發(fā)育動(dòng)態(tài)的同時(shí)精準(zhǔn)推斷。

該研究設(shè)計(jì)了RegVelo，這是一種融合核糖核酸速率（RNA velocity，一種利用基因剪接狀態(tài)預(yù)測(cè)細(xì)胞演化軌跡的計(jì)算分析方法）與基因調(diào)控網(wǎng)絡(luò)（gene regulatory network，揭示基因間相互控制關(guān)系的系統(tǒng)圖譜）的貝葉斯深度生成模型。研究人員將未剪接與已剪接的核糖核酸豐度作為輸入?yún)?shù)，利用神經(jīng)網(wǎng)絡(luò)將轉(zhuǎn)錄過程建模為受復(fù)雜調(diào)控且時(shí)間依賴的非線性動(dòng)態(tài)過程。在斑馬魚神經(jīng)嵴發(fā)育實(shí)驗(yàn)中，團(tuán)隊(duì)結(jié)合全長(zhǎng)單細(xì)胞轉(zhuǎn)錄組測(cè)序和染色質(zhì)可及性數(shù)據(jù)，模擬了關(guān)鍵基因關(guān)閉對(duì)系統(tǒng)發(fā)育軌跡的干擾。結(jié)果表明，RegVelo不僅能夠精準(zhǔn)捕捉細(xì)胞命運(yùn)的啟動(dòng)狀態(tài)，確認(rèn)tfec是驅(qū)動(dòng)色素細(xì)胞形成的早期核心轉(zhuǎn)錄因子，還通過計(jì)算模擬全新識(shí)別出elf1是控制色素細(xì)胞命運(yùn)的調(diào)控因子。這些由計(jì)算機(jī)輸出的機(jī)制預(yù)測(cè)，隨后經(jīng)由規(guī)律間隔成簇短回文重復(fù)序列系統(tǒng)介導(dǎo)的敲除操作，以及單細(xì)胞擾動(dòng)測(cè)序得到了高度一致的體內(nèi)實(shí)驗(yàn)驗(yàn)證。該創(chuàng)新突破了傳統(tǒng)觀察性實(shí)驗(yàn)的局限，提供了一種兼具數(shù)據(jù)洞察與因果嚴(yán)謹(jǐn)性的數(shù)字模擬工具。研究發(fā)表在 Cell 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #單細(xì)胞測(cè)序 #虛擬細(xì)胞 #基因調(diào)控網(wǎng)絡(luò)

閱讀更多：

Wang, Weixu, et al. “RegVelo: Gene-Regulatory-Informed Dynamics of Single Cells.” Cell, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.04.022

AI語言模型在處理醫(yī)院結(jié)構(gòu)化數(shù)據(jù)方面表現(xiàn)不佳，需結(jié)合代碼執(zhí)行以確保準(zhǔn)確性

大語言模型（LLM）能否簡(jiǎn)化醫(yī)院日常的數(shù)據(jù)分析任務(wù)，從而減少對(duì)專業(yè)數(shù)據(jù)分析師的依賴？為探究此問題，來自西奈山伊坎醫(yī)學(xué)院的Eyal Klang, Benjamin Glicksberg及其同事，對(duì)九款主流LLM處理真實(shí)電子健康記錄（EHR）的能力進(jìn)行了評(píng)估。研究發(fā)現(xiàn)，當(dāng)前LLM無法獨(dú)立、準(zhǔn)確地處理結(jié)構(gòu)化數(shù)據(jù)，必須結(jié)合代碼生成與執(zhí)行的混合策略才能確保可靠性。

研究團(tuán)隊(duì)使用了來自西奈山醫(yī)療系統(tǒng)50,000次真實(shí)急診就診的電子健康記錄（EHR）數(shù)據(jù)，對(duì)包括GPT-4o和Llama在內(nèi)的九款主流大型語言模型進(jìn)行了測(cè)試。任務(wù)設(shè)定為醫(yī)院管理者日常依賴的兩項(xiàng)基本操作：根據(jù)特定條件計(jì)數(shù)患者和基于多重標(biāo)準(zhǔn)篩選記錄。研究人員比較了三種不同的提示策略：直接提問、思維鏈推理，以及一種基于工具的方法，即要求模型生成可執(zhí)行的Python代碼來完成任務(wù)。結(jié)果顯示，直接提問的準(zhǔn)確率普遍很低。思維鏈策略雖有少量提升，但隨著數(shù)據(jù)表格規(guī)模的增大，其性能急劇下降，即使是表現(xiàn)最好的GPT-4o，準(zhǔn)確率也從約95%驟降至60%以下。相比之下，基于工具的方法表現(xiàn)最佳，GPT-4o和Qwen-2.5-72B等頂級(jí)模型實(shí)現(xiàn)了近乎完美的準(zhǔn)確率。然而，一些為速度和效率優(yōu)化的模型（如DeepSeek）即便在此模式下也表現(xiàn)不佳。研究結(jié)論明確指出，在不借助代碼執(zhí)行的情況下，當(dāng)前的LLM尚不適合獨(dú)立用于臨床管理中的結(jié)構(gòu)化數(shù)據(jù)處理。為了在醫(yī)療場(chǎng)景中安全、可靠地應(yīng)用這些技術(shù)，必須采用將LLM與傳統(tǒng)代碼執(zhí)行相結(jié)合的智能體策略。研究發(fā)表在 PLOS Digital Health 上。

#AI驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #大語言模型 #電子健康記錄

閱讀更多：

Wang, Shuyu, et al. “Discovery and Heterologous Reconstitution of a Plant Noncanonical Quasi-Circadian Gene Regulatory Network.” Cell, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.04.033

七款智能戒指有望打破手語溝通障礙

現(xiàn)有的手語翻譯設(shè)備多采用笨重的手套或有線傳感器，舒適度差且需逐一校準(zhǔn)。Jaejin Park、Ki Jun Yu等（韓國(guó)研究團(tuán)隊(duì)）開發(fā)了一款基于七枚智能戒指的無線手語翻譯系統(tǒng)，成功在無需對(duì)個(gè)體校準(zhǔn)的情況下實(shí)現(xiàn)了高準(zhǔn)確率的實(shí)時(shí)手語詞匯和句子識(shí)別。

研究團(tuán)隊(duì)開發(fā)了無線連接環(huán)式手語翻譯器（wirelessly connected, ring-type sign language translator，一種由獨(dú)立指環(huán)構(gòu)成以釋放手指靈活性的無束縛系統(tǒng)），將七個(gè)指環(huán)佩戴在關(guān)鍵手指上。每個(gè)指環(huán)均內(nèi)置三軸加速度計(jì)，以捕捉手勢(shì)相對(duì)于重力的方向及運(yùn)動(dòng)軌跡。各指環(huán)采集的信號(hào)利用藍(lán)牙多鏈路技術(shù)（Bluetooth multilink technology，允許多個(gè)外設(shè)模塊同時(shí)向主機(jī)獨(dú)立傳輸數(shù)據(jù)的通信協(xié)議）同步傳輸至終端。隨后，人工智能提取特征并結(jié)合順序詞語檢測(cè)框架（sequential word detection framework，一種能在連續(xù)動(dòng)作流中自動(dòng)切分并識(shí)別詞匯的技術(shù)），實(shí)現(xiàn)句子級(jí)別的實(shí)時(shí)翻譯。針對(duì)未參與訓(xùn)練的新用戶測(cè)試顯示，該系統(tǒng)對(duì)100個(gè)美國(guó)手語詞匯和100個(gè)國(guó)際手語詞匯的識(shí)別準(zhǔn)確率分別達(dá)到88.3%和88.5%，證明了其出色的跨用戶通用性和魯棒性。研究發(fā)表在 Science Advances 上。

#疾病與健康 #意圖與決策 #手語翻譯 #可穿戴設(shè)備

閱讀更多：

“An AI-Driven, Wearable, Conformal Ring System for Real-Time and User-Independent Sign Language Interpretation.” Science Advances. www.science.org, https://www.science.org/doi/10.1126/sciadv.aec8995. Accessed 14 May 2026

開發(fā)內(nèi)置計(jì)算智能光學(xué)傳感器大幅降低數(shù)據(jù)傳輸需求

現(xiàn)代光學(xué)傳感器被動(dòng)收集海量影像并傳輸至后端處理，導(dǎo)致了嚴(yán)重的延遲與高能耗問題。德克薩斯農(nóng)工大學(xué)的Yuxuan Cosmi Lin和Linda Katehi團(tuán)隊(duì)開發(fā)出一種能夠自我壓縮并分析數(shù)據(jù)的新型智能光學(xué)傳感器，在保持出色視覺性能的同時(shí)大幅減少了數(shù)據(jù)傳輸需求。

研究團(tuán)隊(duì)提出了一種名為電致變色高光譜嵌入（electrochromic hyperspectral embedding，一種將智能計(jì)算前置到像素級(jí)別的架構(gòu)框架）的新型系統(tǒng)。在傳統(tǒng)架構(gòu)中，傳感與計(jì)算是相互分離的；而新方法利用電致變色光電探測(cè)器（electrochromic photodetectors，可根據(jù)電信號(hào)動(dòng)態(tài)改變光響應(yīng)特性的器件）中電可調(diào)的光電流響應(yīng)，使每個(gè)像素在讀取前能夠自適應(yīng)地選擇并編碼與當(dāng)前任務(wù)最相關(guān)的光譜成分。隨后，這些輸出的低維數(shù)據(jù)直接與基于憶阻器的輕量級(jí)硬件相連以進(jìn)行高效的數(shù)據(jù)推理。結(jié)果顯示，與傳統(tǒng)的視覺平臺(tái)相比，該智能傳感器在保持高分類準(zhǔn)確率的前提下，將數(shù)據(jù)傳輸量成功降低了一個(gè)數(shù)量級(jí)以上。這項(xiàng)技術(shù)消除了系統(tǒng)對(duì)云計(jì)算或大型計(jì)算芯片的過度依賴，為未來的微創(chuàng)外科手術(shù)、太空物質(zhì)成分勘探以及自動(dòng)駕駛等應(yīng)用場(chǎng)景提供了體積更小巧、響應(yīng)更迅速且極具能效的智能系統(tǒng)解決方案。研究發(fā)表在 Nature Sensors 上。

#其他 #機(jī)器人及其進(jìn)展 #邊緣計(jì)算 #智能視覺 #光學(xué)傳感器

閱讀更多：

Li, Ran, et al. “Electrochromic Hyperspectral Embedding for Ultracompact Intelligent Vision.” Nature Sensors, vol. 1, no. 5, May 2026, pp. 443–56. www.nature.com, https://doi.org/10.1038/s44460-026-00065-9

信號(hào)折疊設(shè)計(jì)助力神經(jīng)形態(tài)芯片大幅降低AI能耗

大型語言模型等人工智能系統(tǒng)由于耗能巨大，亟需高能效的底層硬件替代方案。Lei Tong和Langlang Xu等（華中科技大學(xué)、香港中文大學(xué)）利用二維半導(dǎo)體材料開發(fā)了一種新型硬件計(jì)算系統(tǒng)，通過引入獨(dú)特的內(nèi)部信號(hào)優(yōu)化方案成功解決了神經(jīng)形態(tài)芯片中權(quán)重精度與能效之間的權(quán)衡難題，大幅降低了計(jì)算基礎(chǔ)功耗。

? 垂直 1T1R 陣列架構(gòu)。Credit: Nature Electronics (2026).

研究團(tuán)隊(duì)開發(fā)了一種緊湊的電子系統(tǒng)，該系統(tǒng)基于二維半導(dǎo)體二硫化鉬構(gòu)建了垂直的單晶體管單電阻交叉陣列。為了在保持計(jì)算模型精度的同時(shí)最大限度地降低系統(tǒng)能耗，研究人員創(chuàng)新性地引入了內(nèi)置的信號(hào)折疊（signal-folding，通過編碼組合信號(hào)來預(yù)定義計(jì)算輸入信號(hào)并優(yōu)化工作流程的策略）方案，該方案具體包含輸入信號(hào)折疊和權(quán)重電導(dǎo)折疊兩部分。在執(zhí)行向量矩陣乘法時(shí)，工作信號(hào)被動(dòng)態(tài)編碼為兩個(gè)組合的折疊信號(hào)。實(shí)驗(yàn)表明，輸入信號(hào)折疊成功降低了硬件的工作電壓，而權(quán)重電導(dǎo)折疊有效規(guī)避了底層器件之間的物理不一致性，從而大幅擴(kuò)大了權(quán)重計(jì)算精度。測(cè)試結(jié)果顯示，與使用傳統(tǒng)展開信號(hào)的電子系統(tǒng)相比，該創(chuàng)新方法在完全不依賴高能耗的硬件校準(zhǔn)或糾錯(cuò)補(bǔ)償方案的情況下，能夠極其準(zhǔn)確地表示人工神經(jīng)網(wǎng)絡(luò)所需的編碼值，并將該乘法運(yùn)算的功耗降低了高達(dá)百分之九十。這一關(guān)鍵突破為未來邊緣人工智能計(jì)算平臺(tái)的高效本地運(yùn)行提供了重要的底層技術(shù)支撐。研究發(fā)表在 Nature Electronics 上。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #神經(jīng)形態(tài)芯片 #二硫化鉬 #能效優(yōu)化

閱讀更多：

Tong, Lei, et al. “Signal-Folding-Based Neuromorphic Hardware for Energy-Efficient Computing.” Nature Electronics, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41928-026-01626-z

給模型配個(gè)專屬教練：強(qiáng)化學(xué)習(xí)加速仿生機(jī)器人運(yùn)動(dòng)模擬

模擬大腦與身體協(xié)同工作的神經(jīng)機(jī)械系統(tǒng)高度復(fù)雜，傳統(tǒng)上依賴專家手動(dòng)調(diào)節(jié)海量參數(shù)，極易導(dǎo)致模擬結(jié)果與動(dòng)物實(shí)際表現(xiàn)嚴(yán)重脫節(jié)。卡內(nèi)基梅隆大學(xué)的Camila J. Fernandez和Victoria A. Webster-Wood團(tuán)隊(duì)開發(fā)了一種基于強(qiáng)化學(xué)習(xí)的系統(tǒng)化分析框架，成功實(shí)現(xiàn)了對(duì)高維生物模型的靶向性優(yōu)化，顯著縮小了模型預(yù)測(cè)與真實(shí)動(dòng)物行為之間的差距。

這項(xiàng)研究旨在通過數(shù)據(jù)驅(qū)動(dòng)框架消除模型改進(jìn)過程中的主觀猜測(cè)成分。研究團(tuán)隊(duì)引入了強(qiáng)化學(xué)習(xí)算法，使其作為神經(jīng)機(jī)械模型的數(shù)字孿生發(fā)揮類似診斷教練的作用。在具體實(shí)驗(yàn)中，研究人員將這一被稱為支持強(qiáng)化學(xué)習(xí)的神經(jīng)機(jī)械模型分析（RL-NMA，一套能夠自動(dòng)識(shí)別并評(píng)估高維模型優(yōu)化方向的數(shù)據(jù)處理流程）管道應(yīng)用于三個(gè)案例：受海洋軟體動(dòng)物海兔（Aplysia californica）攝食機(jī)制啟發(fā)的軟體機(jī)器人、海兔攝食行為的計(jì)算模型以及仿生軟抓手。該系統(tǒng)通過定量評(píng)估，精準(zhǔn)定位了導(dǎo)致真實(shí)動(dòng)物數(shù)據(jù)與原始模型發(fā)生偏差的核心參數(shù)。依據(jù)該算法的診斷推薦，團(tuán)隊(duì)實(shí)施了需求驅(qū)動(dòng)復(fù)雜度的局部改進(jìn)，僅在絕對(duì)必要的部分增加細(xì)節(jié)。結(jié)果表明，靶向優(yōu)化后的模型在行為相關(guān)性上獲得了顯著提升，不僅有效縮小了模擬仿真與真實(shí)表現(xiàn)之間的差距，還避免了全局復(fù)雜化帶來的巨大計(jì)算開銷。研究發(fā)表在 npj Robotics 上。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #神經(jīng)機(jī)械學(xué) #強(qiáng)化學(xué)習(xí) #仿生機(jī)器人

閱讀更多：

Fernandez, Camila J., et al. “Analysis Pipeline for Demand-Driven Complexity Improvements of Models in Neurorobotics and Neuromechanics.” Npj Robotics, May 2026. www.nature.com, https://doi.org/10.1038/s44182-026-00087-y

設(shè)計(jì)阻礙減少人工智能的隱藏能耗

人工智能系統(tǒng)耗能巨大，但用戶在追求操作效率時(shí)往往忽略其背后的環(huán)境代價(jià)。Cheng Chen、Cassandra Troy和Maggie Mengqing Zhang（俄勒岡州立大學(xué)等）探索了軟件界面設(shè)計(jì)對(duì)使用者行為的干預(yù)效果。研究表明，在系統(tǒng)中刻意增加交互阻力能促使用戶停下反思，有效減少不必要的算力消耗，為推動(dòng)綠色科技使用提供了可行路徑。

研究團(tuán)隊(duì)招募了171名參與者進(jìn)行行為學(xué)實(shí)驗(yàn)，重點(diǎn)測(cè)試了生成式人工智能系統(tǒng)中設(shè)計(jì)摩擦（design friction，刻意在用戶界面中設(shè)置屏障以減緩交互速度的機(jī)制）的實(shí)際干預(yù)效果。實(shí)驗(yàn)對(duì)比了兩種不同類型的機(jī)制，第一種是基于行動(dòng)的摩擦（action-based friction，要求用戶在提交生成指令前必須先搜索現(xiàn)有圖像庫并詳細(xì)填寫具體需求參數(shù)），第二種是基于線索的摩擦（cue-based friction，在界面上直接向用戶展示有關(guān)生態(tài)環(huán)境影響的提示信息）。

實(shí)驗(yàn)數(shù)據(jù)表明，基于行動(dòng)的摩擦顯著提高了使用者的認(rèn)知精細(xì)加工程度，迫使他們?cè)诓僮髑吧钊胨伎假Y源浪費(fèi)問題，從而有效提升了負(fù)責(zé)任使用的意圖，即便這種限制輕微削弱了用戶的自主控制感。相比之下，基于線索的摩擦雖然通過透明度啟發(fā)式（transparency heuristic，人們傾向于對(duì)主動(dòng)公開信息的系統(tǒng)產(chǎn)生好感和信任的心理捷徑）增加了用戶對(duì)工具的信任度，但并未實(shí)質(zhì)性改變其隨意使用的習(xí)慣。這些發(fā)現(xiàn)證實(shí)，在以效率為導(dǎo)向的高性能計(jì)算時(shí)代，讓交互過程慢下來能有效減少個(gè)人的生態(tài)足跡。研究發(fā)表在 Science Communication 上。

#認(rèn)知科學(xué) #意圖與決策 #環(huán)境保護(hù) #人機(jī)交互

閱讀更多：

Chen, Cheng, et al. “Pausing for Reflection: How Design Friction Shapes Environmentally Responsible Artificial Intelligence Use and Trust.” Science Communication, Apr. 2026, p. 10755470261434438. SAGE Journals, https://doi.org/10.1177/10755470261434438

像素級(jí)控制熱輻射：卡內(nèi)基梅隆大學(xué)開發(fā)微型熱敏條形碼

控制熱輻射通常面臨整體溫度調(diào)節(jié)耗時(shí)耗能且缺乏局部精準(zhǔn)調(diào)控的問題。為實(shí)現(xiàn)熱輻射智能控制，卡內(nèi)基梅隆大學(xué)的Sheng Shen和Xiu Liu等人開發(fā)出一種熱數(shù)字化方法，成功制造出能以像素級(jí)精度獨(dú)立調(diào)節(jié)熱輻射的設(shè)備。

? 具有多個(gè)存儲(chǔ)單元和數(shù)字讀出的納米級(jí)計(jì)算設(shè)備，插圖顯示了切換狀態(tài)。Credit: Science Advances (2026).

研究團(tuán)隊(duì)將相變材料碲化鍺融入超表面（metasurfaces，一種由亞波長(zhǎng)納米結(jié)構(gòu)組成的人工表面，可操縱電磁波）設(shè)計(jì)中，開發(fā)出像素化電可重構(gòu)設(shè)備。碲化鍺具有非易失性（non-volatile，即斷電后仍能保持現(xiàn)有物理狀態(tài)的特性），通過交叉指型微型加熱器陣列施加不同的電壓脈沖，可以在無需持續(xù)供電的情況下實(shí)現(xiàn)非晶態(tài)與結(jié)晶態(tài)的切換。實(shí)驗(yàn)結(jié)果表明，該設(shè)備不僅實(shí)現(xiàn)了微秒級(jí)的高速響應(yīng)，還能對(duì)熱輸出進(jìn)行漸進(jìn)式精確調(diào)節(jié)，突破了傳統(tǒng)單純開關(guān)狀態(tài)的限制。目前團(tuán)隊(duì)已在一維陣列上展示了類似條形碼的可調(diào)諧熱信號(hào)圖案，未來有望擴(kuò)展為二維熱敏二維碼，并在自適應(yīng)熱偽裝、可穿戴設(shè)備以及化學(xué)傳感等領(lǐng)域展現(xiàn)出巨大應(yīng)用潛力。研究發(fā)表在 Science Advances 上。

#其他 #熱輻射控制 #超表面 #相變材料

閱讀更多：

Liu, Xiu, et al. “Pixelated Electrically Reconfigurable Metasurfaces for Intelligent Thermal Emission Control.” Science Advances, vol. 12, no. 13, Mar. 2026, p. eaeb2016. science.org (Atypon), https://doi.org/10.1126/sciadv.aeb2016

超六成美國(guó)青少年使用AI聊天機(jī)器人，近半數(shù)遭遇不良交互風(fēng)險(xiǎn)

人工智能聊天機(jī)器人在青少年群體中日益普及，其潛在的心理與行為風(fēng)險(xiǎn)引發(fā)了學(xué)術(shù)界的廣泛關(guān)注。佛羅里達(dá)大西洋大學(xué)與威斯康星大學(xué)歐克萊爾分校的Sameer Hinduja和Justin W. Patchin針對(duì)美國(guó)青少年使用人工智能聊天機(jī)器人的情況開展了大規(guī)模全國(guó)性調(diào)查，結(jié)果揭示盡管這些工具常被用于心理支持和娛樂，但近半數(shù)使用者遭遇了索要隱私、慫恿自殘等有害交互。

該團(tuán)隊(duì)通過在線匿名調(diào)查收集了代表性的3466名13至17歲青少年的數(shù)據(jù)，并采用卡方檢驗(yàn)分析了不同群體的聊天機(jī)器人使用頻率、動(dòng)機(jī)以及面臨的13種不安全交互風(fēng)險(xiǎn)。數(shù)據(jù)表明，高達(dá)百分之六十點(diǎn)二的受訪者曾使用計(jì)算機(jī)輔助人工智能聊天機(jī)器人，其中百分之十一點(diǎn)四的人幾乎每天使用。雖然大部分人主要將其用于娛樂、尋求建議和交友，但百分之四十七點(diǎn)一的用戶報(bào)告了至少一種負(fù)面經(jīng)歷。具體而言，百分之三十二點(diǎn)三的青少年被索要令人不適的個(gè)人信息，約四分之一的受訪者感到被操縱或被慫恿參與非法和危險(xiǎn)活動(dòng)，更有百分之十四點(diǎn)七和百分之十三的青少年分別接觸到了與自殘和自殺相關(guān)的極端內(nèi)容。分析表明，13歲年齡段的年輕群體受到的負(fù)面影響尤為顯著，而男性、白人以及異性戀青少年報(bào)告遇到交互風(fēng)險(xiǎn)的比例也出人意料地更高。這一現(xiàn)象凸顯了在相關(guān)平臺(tái)內(nèi)置內(nèi)容過濾和心理健康響應(yīng)機(jī)制的緊迫性。研究發(fā)表在 Journal of Adolescence 上。

#認(rèn)知科學(xué) #心理健康與精神疾病 #大模型技術(shù) #青少年網(wǎng)絡(luò)安全

閱讀更多：

Hinduja, Sameer, and Justin W. Patchin. “Risks and Harms of Conversational Artificial Intelligence (CAI) Chatbot Use Among US Youth.” Journal of Adolescence, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1002/jad.70164. Accessed 14 May 2026

觸覺夢(mèng)境技術(shù)賦能人形機(jī)器人，靈巧操作成功率提升90.9%

人形機(jī)器人在現(xiàn)實(shí)接觸豐富的環(huán)境中進(jìn)行靈巧全身操作時(shí)常面臨身體協(xié)調(diào)與物體操控的困難。Yaru Niu和Ding Zhao等人（卡內(nèi)基梅隆大學(xué)與博世人工智能中心）提出了一種結(jié)合全身控制與觸覺感知的綜合人工智能系統(tǒng)，成功大幅提升了人形機(jī)器人執(zhí)行復(fù)雜操作任務(wù)的成功率。

? Humanoid Touch Dream 結(jié)合了穩(wěn)定的全身控制、觸覺感知和預(yù)測(cè)性觸覺感知學(xué)習(xí)，使人形機(jī)器人能夠執(zhí)行各種需要大量接觸的任務(wù)，從折疊毛巾、整理書籍到高精度插入、工具使用和雙手沏茶，實(shí)現(xiàn)靈巧操作。Credit: Niu et al.

研究團(tuán)隊(duì)開發(fā)了一個(gè)集成的人形機(jī)器人操作系統(tǒng)，其中下半身由基于強(qiáng)化學(xué)習(xí)的控制器負(fù)責(zé)保持平衡，上半身姿態(tài)和手部運(yùn)動(dòng)分別通過逆運(yùn)動(dòng)學(xué)和手部重定向處理。在此基礎(chǔ)上，團(tuán)隊(duì)引入了一種具有觸覺夢(mèng)境的人形變換器（Humanoid Transformer with Touch Dreaming，一種融合多模態(tài)感知的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)）人工智能系統(tǒng)。該系統(tǒng)采用單階段模仿學(xué)習(xí)（imitation learning，一種讓機(jī)器通過觀察人類專家演示來掌握特定任務(wù)行為的算法）框架，不僅接收視覺和本體感覺輸入，還把觸覺作為核心信息模態(tài)。在訓(xùn)練時(shí)，模型除了預(yù)測(cè)機(jī)器人的未來動(dòng)作，還會(huì)進(jìn)行觸覺夢(mèng)境（touch dreaming，即預(yù)測(cè)操作過程中未來手部關(guān)節(jié)力和觸覺感知信號(hào)的演變過程）以增強(qiáng)整體策略的接觸感知能力。為避免處理嘈雜的底層傳感器波動(dòng)，模型不直接重建原始讀數(shù)，而是預(yù)測(cè)觸覺潛在表征（tactile latent representations，對(duì)復(fù)雜物理觸覺信息進(jìn)行壓縮與提煉后的深層特征表達(dá)）。在折毛巾、雙手沏茶等五項(xiàng)現(xiàn)實(shí)接觸任務(wù)中，該系統(tǒng)使機(jī)器人的平均成功率比強(qiáng)基準(zhǔn)提高了百分之九十點(diǎn)九，且潛在表征預(yù)測(cè)比原始信號(hào)預(yù)測(cè)帶來了百分之三十的性能提升。

#其他 #機(jī)器人及其進(jìn)展 #模仿學(xué)習(xí) #全身控制 #觸覺感知

閱讀更多：

Niu, Yaru, et al. “Learning Versatile Humanoid Manipulation with Touch Dreaming.” arXiv:2604.13015, arXiv, 27 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.13015

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問，我們將基于追問知識(shí)庫為你做出智能回復(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、科普視頻媒體「大圓鏡」等。